通过对现代国内外机器人现状和机器人相关的基本理论的介绍,我们了解到了现在机器人中的热点研究话题一定位问题。而定位与制图问题恰恰是移动机器人应用中的的重要问题之一。为了更好地解决这个问题,本文选择了FastSLAM,FastSLAM是将SLAM分解为机器人定位和特征标志的位置估计两个过程。粒子滤波器中的每个粒子代表机器人的一条可能运动路径,利用观测信息计算每个粒子的权重,以评价每条路径的好坏,从而可以提高其估计的准确性和可靠性。在机器人运动过程中的另一个重要的问题,就是导航控制(路径规划)。在路径跟踪控制问题方面,由于在笛卡尔坐标系下不能应用反馈线性化或光滑定常反馈的控制器设计方法渐近镇定系统。本文提出了尝试用非线性预测控制镇定有控制量约束和运动学约束的移动机器人,提出了一种新的导航算法--PGR算法,并且详细介绍了该算法的整个数学的推导过程。在以上理论的研究基础上,鉴于Matlab价格昂贵且使用上受到限制,在国内售后服务和技术支持也有限,而且本文的仿真的环境也不是很复杂,因此,本文选择了一款可以和Matlab相匹敌的完全免费的自由软件scilab进行仿真。在仿真过程中,首先编写了内部传感器和外部传感器的数据采集文件,用来模拟机器人在移动过程中传感器反馈回来的信息。同时也将定位算法与导航算法分别用scilab语言编写成程序文件。最后,设计了机器人整个运动过程的控制流程图,然后根据流程图和这些已建立好的数据信息对移动机器人的运动环境进行大量仿真。通过完成该设计,对现实中的移动机器人的实现也很容易,这样根据这个控制实现的可能性,跟人驾驶的车相似的车辆的运动控制就可以用该方法实现,对前方没有目标地点的情况动作也可能实现了。